当卷积神经网络（CNN）在大多数情况下用作故障诊断方法时，信号特征是直接从卷积层提取的。有学者提出在卷积之前使用马尔可夫转移场（MTF）来提取信号特征。然而，对于时域信号，故障特征提取困难，神经网络参数的训练过程缓慢。因此，本文基于快速傅里叶变换（FFT）和MTF算法，提出了频域傅里叶马尔可夫转移场（FMTF）特征提取方法，并在公共轴承数据集上进行了大量实验。江南大学.最终验证表明，FMTF-CNN方法比传统的MTF-CNN诊断方法具有更高的准确率、更快的训练过程和更准确的特征提取。



"点击查看英文标题和摘要"